基于强化局部特征的3D点云分类与分割网络

在点云的处理过程中，许多深度学习网络未能充分考虑局部点之间的复杂关系，导致大量空间几何信息丢失。针对该问题，提出了一个强化局部特征的网络，用于点云的目标分类和语义分割。该网络通过设计编码单元对点的多方向信息进行编码；通过注意力机制学习采样分组后形成局部点云的特征。同时提出了一种新的多维损失函数，结合使用交叉熵损失函数与中心损失函数作用于分类任务。在数据集ModelNet40和ScanNet上进行了大量实验，结果表明：该网络在点云的目标分类和语义分割任务上表现出较好的性能。     

Projective Group Consensus of Multi-Agent Systems with Arbitrary Parameter

In this paper, the projective group consensus issue for second order multi-agent systems(MASs) in directed graphs with a dynamic leader is investigated. The proposed projective group consensus with arbitrary parameter includes traditional consensus, reverse group consensus and cluster consensus as its special cases. Novel distributed control protocols are designed to obtain projective group consensus without analyzing signed directed graph as in most current literatures on bipartite consensus problem. On the basis of Lyapunov stability property, algebraic graph and some necessary matrix theory, sufficient conditions for delay and delay-free cases are derived. Finally, simulations of nonlinear chaotic MASs are adopted to testify the theoretical results.     

溶出固形物对软米硬度和黏弹性的影响

以粳米和糯米为对照,研究了溶出固形物对软米硬度和黏弹性的影响。分析发现软米溶出固形物质量分数为11.85%,显著高于粳米和糯米(P<0.05),与弹性显著正相关(P<0.05)；与粳米和糯米相比,软米中的固形物直支链淀粉比最低,利于形成连续凝胶网结构。此外,软米溶出淀粉侧链中聚合度为6~12的短链A链比例最高,赋予其较好的黏弹性。质构和流变分析结果表明:除溶出固形物后,软米的硬度显著增加,黏硬比和弹性显著降低。扫描电子显微镜结果表明:除溶出固形物后米粒表面粗糙、凹凸不平,有明显的孔洞；软米表面所形成的渔网状孔洞状结构能够对饭粒起到支撑作用,使得整个饭粒弹性更好。溶出固形物含量、组成、分子结构及其在米饭表面分布的差异是软米较低硬度和较好黏弹性优势产生的主要原因。     

通道裁剪下的多特征组合目标跟踪算法

针对深层特征存在冗余通道影响跟踪速度和精度以及单一特征难以适应复杂场景的问题,提出了一种通道裁剪下的多特征组合目标跟踪算法。首先,在相关滤波算法的框架上结合传统手工特征和深层特征进行跟踪。其次,通过对比深层特征通道上目标区域和搜索区域的特征均值设计通道裁剪策略,筛选出合适的特征通道。最后,通过隔帧更新的方式更新深度特征,通过平均峰值相关能量更新传统特征滤波模板,最终实现准确跟踪。与10种算法在OTB2013和OTB2015数据集上进行对比实验的结果表明,本文算法在跟踪准确度和成功率方面都取得了更为理想的结果。     

超启发式DE算法求解零等待发酵工艺调度

为解决具备间歇过程特点的零等待发酵工艺调度过程中易变质的难点,提出了一种超启发式差分算法,并将最小化最大完工时间设置为优化目标。此算法分为2层,高层为改进的自适应差分进化算法,来对低层的启发式操作进行选择排序。而低层组合排序成了新的算法对问题域进行操作,加入模拟退火算法避免陷入局部最优。所提出的方法具有学习的机制,对不同问题具有较强的泛化能力。通过测试算例和实际生产进行算法的比较和求解验证了此算法的有效性,结果表明所提出的算法比传统的启发式算法性能更优。     

基于特征生成的轴承不均衡数据故障诊断

针对实际生产中难以获得足量的故障样本数据导致训练中样本不均衡、样本不足等问题,提出了一种基于特征聚类的过采样算法,并将其与卷积神经网络相结合的滚动轴承故障诊断模型。该模型将频域信号作为模型的输入,通过卷积神经网络进行特征提取,再通过过采样技术生成新的特征数据实现数据的均衡化,将新生成的特征数据和原有特征一同输入到支持向量机(Support Vector Machine,SVM)分类器中完成样本的分类,实现滚动轴承的故障诊断。通过对比实验,结果表明该方法可以有效解决数据不均衡的问题。     

多任务模糊聚类驱动的多任务TSK模糊系统模型

该文提出了一种多任务Takagi-Sugeno-Kang（TSK）模糊系统建模方法.首先给出了一种新的多任务模糊c均值聚类算法，能够有效提取所有任务之间的公共信息和每个任务的私有信息，进而利用所得的聚类中心构建多任务TSK模糊系统的前件参数.其次设计了一种具备多任务协同学习机制的后件参数优化方法，可以优化多任务TSK模糊系统的后件参数.最后基于优化的前后件参数，构建出具体多任务模糊聚类方法驱动的多任务TSK模糊系统模型（multi-task fuzzy c-means based multi-task TSK fuzzy system，MTFCM-MT-TSK-FS）以用于实际应用.分别在合成和真实数据集上进行实验，结果验证了该模型的有效性.     

三网融合驱动的全媒体技术复合型人才培养探索

培养适应全媒体时代的合格人才是我国高校数字媒体专业的基本任务。文章对照三网融合社会大环境对数字媒体人才的实际需求,以数字媒体技术专业为切入点,分析了目前国内高校数字媒体专业培养模式存在的突出问题,并分别从课程体系规划及教材建设、科学教学方式探索、学生实践创新能力培养和考核评价体系改革等四个方面提出了建议和改进措施。希望为我国数字媒体及其相关专业的人才培养探索行之有效的新途径。     

淡水鱼加工副产物新鲜度对速酿鱼露品质的影响

以淡水鱼加工副产物为原料,经过不同条件的储藏后得到不同新鲜度的副产物,分别接种米曲霉后置35℃发酵30d制备鱼露。对副产物和鱼露的理化特性进行评价,结果表明,副产物经储藏后品质发生不同程度的变化:常温储藏4h后,副产物的pH值、挥发性盐基氮(TVB-N)、硫代巴比妥酸及菌落总数均比冰藏和冻藏副产物的相关指标高,而冰藏8h副产物的相关指标则高于冰藏4h副产物的指标；以常温储藏4h的副产物为原料发酵所得的鱼露,其氨基酸态氮、总可溶性氮含量最高,然而其TVB-N和三甲胺含量也最高；以冰藏4h的副产物为原料发酵所得鱼露的生物胺总量和组胺含量最高。副产物经常温4h储藏后其理化特性发生了一定改变,但并未对鱼露的整体品质产生显著的不良影响,因此,淡水鱼加工副产物在常温储藏4h以下可以用于速酿鱼露的发酵。     

具有受限转移率的跳变系统L2-L∞模糊控制

讨论了一类含不确定转移率的非线性Markov跳变系统的L2-L∞模糊控制问题。系统模态间转移概率所包含的不确定性是未知且有界的。通过Takagi Sugeno模型模糊建模，获取了整个闭环模糊动态方程。基于L2-L∞模糊控制理论，提出了使得系统随机稳定且满足一定输入输出L2-L∞特性的模态依赖的模糊控制器存在条件。利用构造的Lyapunov Krasovskii函数，结合线性矩阵不等式技术，给出了鲁棒L2-L∞模糊控制器的设计方法，并将其设计转化为一个优化问题。仿真示例说明了设计方法的有效性。